查看原文
其他

Seaborn:一行代码生成酷炫狂拽的数据集可视化

王大毛 Python大数据分析 2021-08-09

之前看其他大佬的项目,只在意他们通过可视化的数据集,对数据特征挖掘的思路,但没有在意他们做可视化的工具。轮到自己做的时候就发现,wtf!matplotlib可以更难用一点嘛?别人酷炫狂拽,坐标轴上还有直方图的可视化究竟是怎么弄的?

今天碰到了Seaborn的库,一行代码就出图,爱了!

Seaborn介绍

Seaborn是Python的数据统计图形库。它基于matplotlib构建,并与pandas数据结构紧密集成。

Seaborn功能简介


  • 面向数据集的API,便于观察多个变量之间的关系

  • 支持分类变量可视化或汇总统计信息



  • 可视化单变量或双变量分布,以及在数据子集之间进行比较



  • 不同因变量的线性回归和展示



  • 方便查看复杂数据集的整体结构



  • 强大的函数,可让您轻松构建复杂的可视化



  • 基于matplotlib的样式

  • 包含调色板工具
flatui = ["#9b59b6", "#3498db", "#95a5a6", "#e74c3c", "#34495e", "#2ecc71"]
sns.palplot(sns.color_palette(flatui))

seaborn功能初探

#导入库
import numpy as np
import pandas as pd
import seaborn as sns

单变量可视化

查看seaborn中的单变量分布的最便捷方法是distplot()函数。默认情况下,将绘制直方图并拟合核密度估计(KDE, kernel density estimate)。

# 生成数据
x = np.random.normal(size=100)
# 数据可视化
sns.distplot(x)

双变量分布可视化

在seaborn中可视化双变量的方法是jointplot()函数,该函数创建一个多面板图形,该图形同时显示两个变量之间的双变量(或联合)关系以及每个变量的单变量分布。

# 生成二维数据
mean, cov = [0, 1], [(1, .5), (.5, 1)]
data = np.random.multivariate_normal(mean, cov, 200)
df = pd.DataFrame(data, columns=["x", "y"])
# 数据可视化
sns.jointplot(x="x", y="y", data=df)

  • 二维直方图
sns.jointplot(x=x, y=y, kind="hex")

  • 核密度估计
sns.jointplot(x="x", y="y", data=df, kind="kde")

多变量数据可视化

要在多变量数据集中绘制成对的双变量分布,可以使用pairplot()函数。这将创建轴矩阵,并显示DataFrame中每列的关系。默认情况下,它还会在对角轴上绘制每个变量的单变量分布。

# 读入内置数据
iris = sns.load_dataset("iris")
# 数据可视化
sns.pairplot(iris)


更多功能及行示例代码

点击“阅读原文

TIPS

加入知识星球有丰富学习资料下载哦!

往期精选

 

神器 | JupyterLab,极其强大的下一代notebook!

干货 | 解放双手,用Python实现自动发送邮件

pandas_profiling :教你一行代码生成数据分析报告

numba,让python飞起来!
大数据告诉你,台风爱在我国哪登陆

数据科学 | 是时候该用seaborn画图了 

小白如何入门Python爬虫

那些不为人知的优秀可视化库

Python机器学习·微教程

小白入门Python数据科学全教程

xlwings,让excel飞起来!

一文搞懂python匿名函数

一文读懂Python的map、reduce函数

一文搞懂python迭代器和生成器



Python大数据分析

data creats value

长按二维码关注

    您可能也对以下帖子感兴趣

    文章有问题?点此查看未经处理的缓存